《机器学习实战》

Python实现PSO粒子群优化卷积神经网络CNN回归模型项目实战

说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。
胖哥真不错·2022-12-13 06:55

机器学习实战（集成学习与随机森林）

集成学习与随机森林更新权重AdaboostAdaBoostClassifier(base_estimator=None,n_estimators=50,learning_rate=1.0,algorithm=’SAMME.R’,random_state=None)base_estimator:可选参数，默认为DecisionTreeClassifier。algorithm：可选参数，默认为SAMM
aka.炼金术士·2022-12-12 23:26

机器学习实战(4)：决策树&集成学习&随机森林

4.1训练和可视化决策树可以将决策树理解成一个判断二叉树我们继续用花的数据集，训练一个决策树。importnumpyasnpfromsklearn.datasetsimportload_irisfromsklearn.treeimportDecisionTreeClassifieriris=load_iris()X=iris["data"][:,2:]y=iris.targettree_clf=D
AELee_·2022-12-12 23:20

机器学习实战（四）：逻辑斯蒂回归

机器学习实战：逻辑斯蒂回归1、关于逻辑斯蒂回归1.1一般过程1.2优缺点1.3Sigmoid函数2、基于最优化方法的最佳回归系数确定2.1梯度上升法2.1.1主要思想2.1.2Logistic回归梯度上升优化算法
qq_45792429·2022-12-12 13:04

【机器学习实战（四）：逻辑回归】

文章目录一、前言二、Logistic回归与梯度上升算法1、Logistic回归2、梯度下降算法三、Python3实战1、数据准备2、训练算法3、绘制决策边界4、改进的随机梯度上升算法5、回归系数与迭代次数的关系我的个人网站：天风的人工智能小站一、前言本这会是激动人心的一章，因为我们将首次接触到最优化算法。仔细想想就会发现，其实我们日常生活中遇到过很多最优化问题，比如如何在最短时间内从A点到达B点？
Tian-Feng·2022-12-12 12:21

协方差矩阵的定义性质与python实现

最近写统计学习的作业，要用到降维方法，一股脑把机器学习实战上的代码敲上去就好了，要求中还要尝试其他降维方法，查了好多发现LDA可以，但是LDA要用到计算协方差矩阵，这玩意我之前就糊里糊涂的，协方差是变量之间的
king阿金·2022-12-12 10:10

边境的悍匪—机器学习实战：第十七章 使用自动编码器和GAN的表征学习和生成学习

第十七章使用自动编码器和GAN的表征学习和生成学习文章目录第十七章使用自动编码器和GAN的表征学习和生成学习前言一、主要内容1、有效的数据表征2、使用不完整的线性自动编码器执行PCA3、堆叠式自动编码器4、卷积自动编码器5、循环自动编码器6、去噪自动编码器7、稀疏自动编码器8、变分自动编码器9、生成式对抗网络二、课后练习三、总结前言我们在训练一个神经网络时，会遇到拥有一个很庞大的数据集，但是数据集
doubleZ7·2022-12-12 10:09

机器学习实战之Logistic回归（三）改进随机梯度上升

Logistic回归（三）改进随机梯度上升回归系数与迭代次数的关系转载请注明作者和出处：https://blog.csdn.net/weixin_45814668微信公众号：qiongjian0427知乎：https://www.zhihu.com/people/qiongjian0427Github：https://github.com/qiongjian/Machine-learning/运行
琼简·2022-12-12 01:07

《机器学习实战》第5章 随机梯度上升算法

#!/usr/bin/envpython#_*_coding:utf-8_*_#@Time:2018/4/97:56#@Author:niutianzhuang#@FileName:test_LogisticRegression_stochasticgradientascent.py#@Software:PyCharm#所采用的官方的数据集（共100个样本），包含了两个特征X1和X2,以及第0维特
mmmdotes·2022-12-12 01:36

安静到无声文件浏览器

目录Leetcode刷题FPGA基于Verilog的CNN实现Verilog刷题CSDN操作tensorflow学习matlab数字图像处理python-opencv模式识别与机器学习实战练习图像描述水下图像标注深度学习强化学习模型的压缩与加速
安静到无声·2022-12-12 00:12

机器学习实战读书笔记系列4——朴素贝叶斯

1.回顾贝叶斯决策理论的核心：选择具有最高概率的决策利用已知值来估计未知概率计算条件概率——贝叶斯准则使用条件概率进行分类，概率大，就分到该类（对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别）2.使用朴素贝叶斯进行文档分类朴素贝叶斯分类器假设：‘朴素’——特征之间相互独立（特征属性是条件独立的）（对于文本来说，一个单词的出现与其他单词无关）,降
简简丹·2022-12-11 23:16

【机器学习实战学习笔记】基于概率论的分类方法——朴素贝叶斯

朴素贝叶斯基本思想特点一般过程示例1基本思想朴素贝叶斯的基本思想就是选择高概率对应的类别，即如果有两类，若p1(x,y)>p2(x,y)，则分类类别为1若p1(x,y)
JYNjyn666·2022-12-11 23:44

新书推荐 | 机器学习实战：基于Sophon平台的机器学习理论与实践

新书推荐《机器学习实战：基于Sophon平台的机器学习理论与实践》点击上图了解及购买星环科技人工智能平台团队实战总结，机器学习的实战书籍，既能了解人工智能相关的算法原理，也能结合可落地的具体应用场景进行实战
hzbooks·2022-12-11 20:40

python opencv教程pdf_机器学习 使用OpenCV和Python进行智能图像处理.pdf

:69.00主题词:图像处理软件-程序设计-机器学习中图法分类号:TP181(工业技术->自动化技术、计算机技术->自动化基础理论->人工智能理论)内容提要:本书是一本基于OpenCV和Python的机器学习实战手册
weixin_39534978·2022-12-11 14:03

scikit-learn决策树类库函数介绍

重要参数调参注意点二、训练和可视化决策树1.导入库2、训练决策树3、可视化决策树三、做出预测四、正则化超参数总结前言本文是参考了刘建平老师的关于scikit-learn对应决策树算法类库函数的介绍以及《机器学习实战
PhoenixPeng-gxu·2022-12-11 07:19

k邻近算法

正好今天写这篇Blog可以复习巩固，其中涉及到的code和一些内容来自《机器学习实战》。在此基础上加了一点自己的注释和理解。这本教程还是挺适合入门的，理论+代码相结合。
Z_y_forever·2022-12-10 19:48

机器学习实战11-训练深层神经网络

目录一、梯度消失/爆炸问题1.1、Xavier（Glorot）初始化（使用逻辑激活函数）：1.2、He初始化(ReLU激活函数及其变体，包括简称ELU激活）:1.3、非饱和激活函数leakyReLUELUSELU1.4、批量标准化使用TensorFlow实现批量标准化1.5、梯度裁剪二、复用预训练层2.1、复用TensorFlow模型只有复用的模型文件时：可以访问原始图形的Python代码2.2、
菜鸟知识搬运工·2022-12-10 08:41

机器学习的基础知识

机器学习实战开一个专题写一个机器学习的python实战练习，这个专题所有博文的知识都来自《机器学习实战：基于scikit-learn、keras和Tensorflow》机器学习的基础知识（已完成）端对端的机器学习项目
问题很多de流星·2022-12-10 01:16

机器学习实战：用efficientdet训练自己的数据集

前面介绍过在yolov5中训练自己的数据的数据集。EfficicentDet是google通过AutoML搞的单阶段目标检测模型，也是sota。所以本篇尝试用efficientdet进行训练。准备数据数据准备阶段与yolov5相同，参考上篇。尽量让数据准备阶段的代码和文件和复用。此阶段生成了train.txt，valid.txt，text.txt数据读入数据读入主要是为了把适合模型输入的数据提供给
YueTann·2022-12-09 19:16

Python小记：15.机器学习实战基础知识笔记

机器学习Python机器学习概述什么是机器学习为什么需要机器学习机器学习的问题机器学习的种类机器学习的一般过程机器学习的典型应用机器学习的基本问题数据预处理均值移除(标准化)范围缩放归一化二值化独热编码标签编码线性回归线性回归评估训练结果误差（metrics）模型的保存和加载岭回归多项式回归决策树基本算法原理工程优化集合算法正向激励自助聚合随机森林人工分类逻辑分类朴素贝叶斯分类数据集划分交叉验证混
人工智睿·2022-12-09 15:02

机器学习实战笔记（二）KNN算法

文章目录算法概念、基本思想和应用概念基本思想应用实例三个基本要素K的取值距离度量分类决策规则特征归一化很重要算法描述与优缺点参考博客算法概念、基本思想和应用概念官方概念：所谓K近邻算法，即是给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的K个实例，这K个实例的多数属于某个类，就把该输入实例分类到这个类中。简单来说，根据待分类点的周围邻居来判断类别，邻居大多数属于哪一类，就将待
chenyonwu同学·2022-12-09 10:55

python不好找工作怎么办信用卡_机器学习实战：Python信用卡欺诈检测

本文由机器之心编辑，“机器之心”专注生产人工智能专业性内容，适合开发者和从业者阅读参考。点击右上角即刻关注。对信用卡交易数据建立检测模型，使用Python库进行预处理与机器学习建模工作，代码通俗易懂。包括数据预处理与清洗，模型调参与评估等详细数据分析与建模流程。故事背景与Python环境故事背景：原始数据为个人交易记录，但是考虑数据本身的隐私性，已经对原始数据进行了类似PCA的处理，现在已经把特征
weixin_39611722·2022-12-08 23:18

机器学习-logistic回归训练数据集

类别：机器学习个人笔记参考书籍：《统计学习》、《机器学习实战》、周志华大佬的西瓜书相关数学公式推导见我上传的手写PDF任务：学习《机器学习实战》P78页及P79页程序清单5-1和5-2，完成以下问题：1
平凡的小何同学·2022-12-08 20:01

Python实现PSO粒子群优化循环神经网络LSTM回归模型项目实战

说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。
胖哥真不错·2022-12-08 16:59

Python实现PSO粒子群优化循环神经网络LSTM分类模型项目实战

说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。
胖哥真不错·2022-12-08 16:58

基于Python-Sklearn库的机器学习实战

理论帖很多，实战帖找起来实在不方便，自学整理了一些常用的机器学习算法和常用方法（网格，k折，插值，可视化等），仅供参考预处理；https://github.com/xushige/Machine-Learning--Sklearn/tree/main/Data_Preprocessfromsklearn.imputeimportSimpleImputerimportpandasaspd'''该文件
啊久丶·2022-12-08 12:16

【机器学习实战】使用SGD-随机梯度下降、随机森林对MNIST数据进行二分类（Jupyterbook）

1.数据集由美国高中生和人口调查局员工手写的70000个数字的图片。数据集获取#获取MNIST数据集fromsklearn.datasetsimportfetch_openmlmnist=fetch_openml('mnist_784',version=1,cache=True,as_frame=False)mnist查看X和Y找索引为36000的实例，并将其还原成数字（书中是还原成了5，但是我这
想做一只快乐的修狗·2022-12-08 11:27

【推荐收藏】【机器学习实战】分类（以MNIST为例）（挑战全网最全，没有之一，另附完整代码与加速库的使用）

参照《机器学习实战》第二版1、MNIST本章使用MNIST数据集，这是一组由70000张手写的数字图片，每张图片都用其代表的数字标记。
憶·2022-12-08 11:56

机器学习实战--二分类（MNIST数据集）

importmatplotlib.pyplotasplt%matplotlibinlinefromsklearn.datasetsimportfetch_mldatamnist=fetch_mldata('MNISToriginal')Scikit-Learn加载数据集通常具有类似于字典的结构，包括：DESCR：描述数据集data:包含一个数组，每个实例为一行，每个特征为一列target：包含一个
哈哈你个大锤子·2022-12-08 11:55

【机器学习实战】使用SGD、随机森林对MNIST数据集实现多分类（jupyterbook）

1.获取数据集并重新划分数据集#获取MNIST数据集fromsklearn.datasetsimportfetch_openmlmnist=fetch_openml('mnist_784',version=1,cache=True,as_frame=False)#查看测试器和标签X,y=mnist['data'],mnist['target']X_train,X_test,y_train,y_te
想做一只快乐的修狗·2022-12-08 11:50

机器学习实战教程（五）：朴素贝叶斯实战篇之新浪新闻分类

原文链接：Jack-Cui，https://cuijiahua.com/blog/2017/11/ml_5_bayes_2.html一、前言上篇文章机器学习实战教程（四）：朴素贝叶斯基础篇之言论过滤器讲解了朴素贝叶斯的基础知识
圆方圆PYTHON学院·2022-12-08 09:34

python predictabel_Python3《机器学习实战》学习笔记（五）：朴素贝叶斯实战篇之新浪新闻分类...

)p1Vect=np.log(p1Num/p1Denom)#取对数，防止下溢出p0Vect=np.log(p0Num/p0Denom)returnp0Vect,p1Vect,pAbusive#返回属于侮辱类的条件概率数组，属于非侮辱类的条件概率数组，文档属于侮辱类的概率"""函数说明:接收一个大字符串并将其解析为字符串列表Parameters:无Returns:无Author:JackCuiBlo
weixin_39851408·2022-12-08 09:02

“机器学习实战”刻意练习——分类问题：朴素贝叶斯

参考：Python3《机器学习实战》学习笔记（四）：朴素贝叶斯基础篇之言论过滤器-Jack-Cui-CSDN博客Python3《机器学习实战》学习笔记（五）：朴素贝叶斯实战篇之新浪新闻分类-Jack-Cui-CSDN
nanashi_F·2022-12-08 09:54

机器学习实战（一）：Document clustering 文档聚类

机器学习实战（一）：Documentclustering文档聚类1.简介2.数据解析3.符号化和词根化4.词向量化5.Kmeans6.绘图1.简介  文档聚类是指根据文档的文本和语义背景将其归入不同的组别
Jasper0420·2022-12-07 22:58

matlab程序通过PCA降维实现手写数字识别

实现PCA的过程主要有以下几个环节，可以借鉴下面这篇文章：机器学习实战之P
weixin_53126566·2022-12-07 18:00

机器学习实战——Logistic回归

目录一.Logicstic回归的一般过程1.logicstic：2.sigmoid函数2.1：Logicstic回归：分类问题2.2Logicstic回归：极大似然法二.基于最优化方法的最佳回归系数确定2.1.梯度上升法2.1.1Logicstic回归梯度上升优化算法：2.1.2分析数据：画出决策边界2.1.3训练算法：随机梯度上升2.1.4改进的随机梯度上升算法三.实例：从疝气病症预测病马的死亡
SUGA没有R·2022-12-07 17:49

机器学习实战-KNN

1.KNN概述k-近邻（kNN,k-NearestNeighbor）算法是一种基本分类与回归方法，这里只讨论分类问题中的k-近邻算法。一句话总结:近朱者赤近墨者黑！k近邻算法的输入为实例的特征向量，对应于特征空间的点；输出为实例的类别，可以取多类。k近邻算法假设给定一个训练数据集，其中的实例类别已定。分类时，对新的实例，根据其k个最近邻的训练实例的类别，通过多数表决等方式进行预测。因此，k近邻算法
J___code·2022-12-07 15:24

朴素贝叶斯----过滤垃圾邮件

一、思路框架1.收集数据2.准备数据3.分析数据4.训练算法5.测试算法6.使用算法二、具体实施1.准备数据阶段：因为《机器学习实战》这本书提供的有源数据，因此省去了数据收集和准备的阶段，直接分析数据。
夜雨_小学徒·2022-12-07 15:50

知识体系结构---备份

python基础-》机器学习-》机器学习实战+深度学习框架+深度学习目前的学习方法的话就是----》看看理论以后，跑跑实验，熟悉熟悉代码1常见工程、应用、学习错误与安装问题与实用技巧2知识体系结构（副）
*Major*·2022-12-07 12:34

加州房价预测项目详细笔记（Regression）——（2）采样（数据分割）＜重要＞

参考内容：《机器学习实战》原作者github：https://github.com/ageron/handson-ml加州房价预测项目精细解释https://blog.csdn.net/jiaoyangwm
七上八下的黑·2022-12-07 11:24

【机器学习实战】对加州住房价格数据集进行数据探索（读书笔记）

1.数据集描述及获取数据集下载地址：housing.csv数据集的结构：其中数据集有10个属性，分别为经度、纬度、housing_median_age、房间总数、卧室总数、人口数、家庭数、收入中位数、房价中位数、ocean_proximity。2.对数据集进行探索2.1获取数据集的简单描述一共有20640个实例，其中total_bedrooms的缺失值有20640-20433=207个，除了oce
想做一只快乐的修狗·2022-12-07 11:52

边境的悍匪—机器学习实战：第九章 无监督学习任务

第九章无监督学习任务文章目录第九章无监督学习任务前言一、思维导图二、主要内容1、聚类2、高斯混合模型三、课后练习四、总结前言我们在解决实际问题的时候会遇到很多没有标签的数据，但是给实例打上标签又是一个费时费力的过程，这个时候我们就可以使用无监督学习来解决这个问题。这只是无监督学习的一个应用，他还能解决包括异常检测，图片分割，推荐系统在内的多个实际问题，并且无监督学习还有针对解决不同问题时使用的不同
doubleZ7·2022-12-07 10:15

【机器学习实战】对加州住房价格数据集进行回归预测（线性回归、决策树、随机森林）

1.使用交叉验证来验证线性回归defdisplay_scores(scores):print("分数：",scores)print("均值：",scores.mean())print('标准差：',scores.std())lin_scores=cross_val_score(lin_reg,housing_prepared,housing_labels,scoring="neg_mean_squ
想做一只快乐的修狗·2022-12-07 02:01

【机器学习实战】对加州住房价格数据集进行回归预测（线性回归、决策树）

1.使用线性回归训练、评估#先训练一个线性回归模型fromsklearn.linear_modelimportLinearRegressionlin_reg=LinearRegression()lin_reg.fit(housing_prepared,housing_labels)#对整个数据集的预测效果使用RMSE来进行评估fromsklearn.metricsimportmean_square
想做一只快乐的修狗·2022-12-07 02:31

【机器学习实战】对加州住房价格数据集进行数据清洗

1.先将X和Y（标签值）分开#预测器housing=start_train_set.drop("median_house_value",axis=1)#标签housing_labels=start_train_set["median_house_value"].copy()预测器：标签值：2.对缺失值进行处理2.1通常对缺失值进行处理的三种方法#1.放弃这些相应的地区，即删掉包含缺失值的每一行样本
想做一只快乐的修狗·2022-12-07 02:30

【机器学习实战】使用XGBoost、RandomForest、线性回归实现波士顿房价回归预测

1.代码fromsklearn.datasetsimportload_bostonfromsklearn.model_selectionimporttrain_test_split,cross_val_scorefromxgboostimportXGBRegressorfromsklearn.ensembleimportRandomForestRegressorfromsklearn.linear
想做一只快乐的修狗·2022-12-07 02:27

机器学习实战——logistic回归

目录一、Logistic回归介绍1.Logistic回归的一般过程2.Logistic回归的特点二、基于Logistic回归和Sigmoid函数的分类三、基于最优化方法的最佳回归系数确定1.梯度上升法2.梯度下降法四、训练算法：使用梯度上升找到最佳参数1.数据准备2.训练算法3.绘制决策边界4.随机梯度上升算法5.改进的随机梯度上升算法6.回归系数与迭代次数的关系五、使用逻辑回归进行MNIST数据
weixin_46120403·2022-12-07 00:51

机器学习实战——第五章（分类）：Logistic回归

前言首先感谢博主：Jack-Cui主页：http://blog.csdn.net/c406495762Logistic回归博文地址：https://blog.csdn.net/c406495762/article/details/77723333https://blog.csdn.net/c406495762/article/details/77851973#%E4%B8%80-%E5%89%8D
TommyAisinGioro·2022-12-07 00:20

机器学习实战——决策树算法

背景知识：决策树经常用于解决分类问题，是最常用的数据挖掘算法k近邻应用场景很多，但是无法给出数据的内在含义。决策树可以根据数据集创建规则。优点：计算复杂度不高，输出结果易于理解，对中间值缺失不敏感，可以处理不相关特征数据缺点：可能产生过度匹配问题决策树的构造：用信息论划分数据集，如果不同类则找划分方法，一直递归多个特征的情况下，如何判断选取的特征顺序呢：采用量化方法计算每个特征值划分数据集获得的信
iwtbs_kevin·2022-12-07 00:49

机器学习实战——Logistic回归代码

importmatplotlib.pyplotaspltfromnumpyimport*#从testSet.txt读取数据，创建data和labeldefcreatedata():f=open('testSet.txt')data=[]label=[]forlineinf.readlines():temp=line.strip().split('\t')temp_l=[1.0,float(temp
qq_26269815·2022-12-07 00:48
上一页 10 11 12 13 14 15 16 17 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他